論文の概要: Learning AI Without a STEM Background: Mixed-Methods Evidence from a Diverse, Mixed-Cohort AIED Program
- arxiv url: http://arxiv.org/abs/2604.20870v1
- Date: Fri, 27 Mar 2026 01:29:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 02:32:14.132794
- Title: Learning AI Without a STEM Background: Mixed-Methods Evidence from a Diverse, Mixed-Cohort AIED Program
- Title（参考訳）: STEMの背景を持たないAIを学ぶ: 異種混在型AIEDプログラムによる混合手法のエビデンス
- Authors: Valentina Kuskova, Dmitry Zaytsev, Richard Johnson,
- Abstract要約: 本稿では,NSFが支援する,革新的混成コホート型AI教育モデルを提示し,評価する。
我々は,学習者の学術機関,AI概念の信頼度,キャリア・トラジェクトリの拡大に対する認識について検討する。
この結果から、倫理的足場、メンターシップ、構造化された議論といった人間中心の教育支援が、公平なAI教育の不可欠な要素であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite growing interest in AI education, most AIED initiatives remain narrowly targeted toward STEM-prepared students, limiting participation by non-STEM learners and adults seeking to engage with AI in public-interest, policy, or workforce contexts. This paper presents and evaluates an NSF-funded, innovative mixed-cohort AI education model that intentionally integrates non-STEM undergraduates and adult learners into a shared learning environment centered on ethical reasoning, socio-technical judgment, and applied AI literacy rather than technical proficiency alone. Drawing on mixed-methods data from course surveys, open-ended reflections, and educator reports, we examine learners' academic agency, confidence navigating AI concepts, critical engagement with ethical tradeoffs, and perceived expansion of postsecondary and career trajectories. Quantitative results indicate significant gains in confidence and perceived relevance of AI across cohorts' participants, while qualitative analyses reveal a consistent emphasis on responsibility, judgment, and contextual reasoning over technical mastery. Instructors and near-peer mentors corroborated high levels of engagement and productive challenge, particularly in dialogic and scenario-based learning activities. Our findings suggest that human-centered instructional supports, such as ethical scaffolding, mentorship, and structured discussion, are essential components of equitable AI education, especially in heterogeneous and non-traditional learner populations. We argue that ethical judgment should be treated as a core learning outcome in AIED alongside AI literacy, and we offer design implications for expanding access to AI education in policy-relevant and workforce-adjacent contexts.
- Abstract（参考訳）: AI教育への関心が高まりつつあるにもかかわらず、ほとんどのAIEDイニシアチブはSTEM準備の学生を対象としており、公益、政策、労働の文脈でAIと関わりたいと考える非STEM学習者や大人の参加を制限する。
本稿では、非STEMの学部生と成人の学習者を倫理的推論、社会技術的判断、応用AIリテラシーを中心とした共有学習環境に意図的に統合する、NSFが支援する、革新的な混合コーホートAI教育モデルを提示し、評価する。
学習者の学術機関を調査し,AI概念の信頼度,倫理的トレードオフへの批判的関与,後続的・職業的軌跡の拡大に対する認識について検討した。
定量的な結果は、コホート参加者間でAIの信頼性と認識が著しく向上していることを示し、質的な分析は技術的熟達に対する責任、判断、文脈的推論に一貫した重きを置いていることを示している。
インストラクタとニアピアのメンターは、特に対話型およびシナリオベースの学習活動において、高いレベルのエンゲージメントと生産的課題を裏付けた。
我々の研究は、倫理的足場、メンターシップ、構造化された議論といった人間中心の指導支援が、公平なAI教育、特に異種・非伝統的な学習者層において欠かせない要素であることを示唆している。
我々は、倫理的判断は、AIリテラシーと共にAIEDにおける中核的な学習結果として扱われるべきであり、政策関連および労働関連文脈におけるAI教育へのアクセスを拡大するための設計上の意味を提供する。
関連論文リスト
- Rethinking AI Evaluation in Education: The TEACH-AI Framework and Benchmark for Generative AI Assistants [8.591535882390918]
TEACH-AIは、教育における生成AIシステムの設計、開発、評価を導くための、ドメインに依存しない、教育的に根ざした、利害関係者による枠組みである。
我々の研究は、コミュニティに教育において「効果的な」AIを構築するものを再考し、コクリエーション、インクリシティ、長期的な人間、社会、教育への影響を促進するモデル評価アプローチを設計するよう呼びかけている。
論文 参考訳（メタデータ） (2025-11-28T17:42:36Z) - AI Literacy for Community Colleges: Instructors' Perspectives on Scenario-Based and Interactive Approaches to Teaching AI [0.500208619516796]
本研究は,非STEM学習者を対象とした対話型,非コード型AIリテラシーリソースについて,コミュニティ・カレッジ・インストラクターがどのように評価するかを検討する。
人工知能が日々のテクノロジーに統合されるにつれて、AIリテラシーは分野によって重要なスキルとして現れてきた。
AI Userはインタラクティブなオンラインカリキュラムで、実世界のコンテキストに設定されたシナリオベースのアクティビティを通じて、コアAI概念を紹介する。
論文 参考訳（メタデータ） (2025-11-07T15:51:53Z) - Integration of AI in STEM Education, Addressing Ethical Challenges in K-12 Settings [0.0]
人工知能のK-12 STEM教育への迅速な統合は、重要な倫理的課題と共に変革的な機会をもたらす。
本稿では、STEM教室におけるAIの両端的な影響を分析し、その利点(適応学習、リアルタイムフィードバックなど)と欠点(監視リスク、教育的制約など)を倫理的レンズを通して分析する。
論文 参考訳（メタデータ） (2025-10-22T03:07:26Z) - Methodological Foundations for AI-Driven Survey Question Generation [41.94295877935867]
本稿では,ジェネレーティブAIを教育調査に活用するための方法論的枠組みを提案する。
大規模言語モデルが適応的でコンテキスト対応のサーベイ質問を生成する方法について検討する。
偏見、プライバシー、透明性などの倫理的問題を考察する。
論文 参考訳（メタデータ） (2025-05-02T09:50:34Z) - Synergizing Self-Regulation and Artificial-Intelligence Literacy Towards Future Human-AI Integrative Learning [92.34299949916134]
自己制御学習(SRL)と人工知能(AI)リテラシーは、人間とAIの対話学習を成功させる上で重要な能力となっている。
本研究では,4つの学習グループを明らかにするクラスタリング手法を用いて,1,704人の中国人大学生のデータを分析した。
論文 参考訳（メタデータ） (2025-03-31T13:41:21Z) - What is Ethical: AIHED Driving Humans or Human-Driven AIHED? A Conceptual Framework enabling the Ethos of AI-driven Higher education [0.6216023343793144]
本研究は,ユネスコとOECDの倫理基準の遵守を保証するために,高次教育における人間駆動型AI(HD-AIHED)フレームワークを紹介する。
この研究は、参加型コシステム、フェーズドヒューマンインテリジェンス、SWOC分析、AI倫理レビューボードを適用して、大学やHE機関のAI準備とガバナンス戦略を評価する。
論文 参考訳（メタデータ） (2025-02-07T11:13:31Z) - Generative AI Literacy: Twelve Defining Competencies [48.90506360377104]
本稿では、生成AIと対話するために必要なスキルと知識領域を網羅した、生成人工知能(AI)リテラシーの能力に基づくモデルを提案する。
能力は、基礎的なAIリテラシーから、倫理的および法的考慮を含むエンジニアリングとプログラミングのスキルの促進まで様々である。
これらの12の能力は、個人、政策立案者、政府高官、教育者が責任を持って生成AIの可能性をナビゲートし活用しようとするための枠組みを提供する。
論文 参考訳（メタデータ） (2024-11-29T14:55:15Z) - The Rise of Artificial Intelligence in Educational Measurement: Opportunities and Ethical Challenges [2.569083526579529]
教育におけるAIは、妥当性、信頼性、透明性、公平性、公平性に関する倫理的な懸念を提起する。
教育者、政策立案者、組織を含む様々な利害関係者は、教育における倫理的AIの使用を保証するガイドラインを開発した。
本稿では,AIを活用したツールの教育測定における倫理的意義について検討する。
論文 参考訳（メタデータ） (2024-06-27T05:28:40Z) - Toward enriched Cognitive Learning with XAI [44.99833362998488]
本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。
CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
論文 参考訳（メタデータ） (2023-12-19T16:13:47Z) - Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and
Stir" [76.44130385507894]
本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。
本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
論文 参考訳（メタデータ） (2021-11-01T17:57:04Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。